Обучение на размеченных данных

Обучение на размеченных данных

ФорматОнлайн

Длительность5 недель

Объём7 занятий

По окончанииВыдается

О курсе

Подробнее

Приветствуем на втором курсе программы "Машинное обучение и анализ данных" – "Обучение на размеченных данных". Обучение на размеченных данных или обучение с учителем – это наиболее распространенный класс задач машинного обучения. К нему относятся те задачи, где нужно научиться предсказывать некоторую величину для любого объекта, имея конечное число примеров. В этом курс вы узнаете о двух основных подходах – линейных моделях и решающих деревьях. А также с самой мощной техникой машинного обучения – построением композиции алгоритмов. Также вас ждет множество задач и практики. Вы посмотрите на реальные данные, найдете в них закономерности и проблемы, а потом решите их.Темы курса:Машинное обучение и линейные модели.Линейные модели и оценка качества.Решающие деревья и композиции моделей.Нейронные сети и обзор методов.

Требования

Что нужно для старта

Прохождение первого курса – "Математика и Python для анализа данных".Базовые знания Python, математического анализа, линейной алгебры и статистики.

Содержание

Программа курса

7 занятий

№ТемаЧто внутри

01Машинное обучение и линейные модели

- Знакомство с курсом
- Знакомство с машинным обучением
- Знакомство с машинным обучением. Часть 2
- Линейные модели
- Линейные модели. Часть 2

02Борьба с переобучением и оценивание качества

- Проблема переобучения и борьба с ней
- Метрики качества
- Библиотека scikit-learn. Введение
- Библиотека scikit-learn. Введение. Часть 2

03Линейные модели: классификация и практические аспекты

- Линейные модели: статистический взгляд
- Линейные модели: статистический взгляд. Часть 2
- Практические рекомендации по линейным моделям
- Библиотека scikit-learn. Продолжение
- Библиотека scikit-learn. Продолжение. Часть 2

04Решающие деревья и композиции алгоритмов

- Решающие деревья
- Решающие деревья. Часть 2
- Случайные леса
- Случайные леса. Часть 2
- Градиентный бустинг
- Градиентный бустинг. Часть 2

05Нейронные сети и обзор методов

- Нейронные сети
- Байесовская классификация и регрессия
- Байесовская классификация и регрессия. Часть 2
- Метрические алгоритмы и SVM
- Метрические алгоритмы и SVM. Часть 2
- Теорема Байеса в машинном обучении
- Бонусный урок
- Ваше впечатление о курсе

06Дополнительные задания

- Задание на взаимную оценку
- Тест

07Вебинары

- «Линейное семейство моделей, или почему вам не нужны нейронки...
- «Все виды ансамблирования моделей (кроме бустинга)»
- Нейронные сети. Вебинары + дополнительные задания

01Машинное обучение и линейные модели

02Борьба с переобучением и оценивание качества

03Линейные модели: классификация и практические аспекты

04Решающие деревья и композиции алгоритмов

05Нейронные сети и обзор методов

06Дополнительные задания

- Задание на взаимную оценку
- Тест

07Вебинары

Документ после выпуска

Выдается

Организатор

Автор курса

Stepik

4.6Нет отзывов

Stepik — образовательная платформа и конструктор онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем в проведении олимпиад и программ переподготовки. Наша цель — сделать образование открытым и удобным. Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.

Подробнее об авторе

Мнения учеников